Voordat je AI factcheckt: wat het echt over merken zegt

Aanbevolen is niet de top van de ladder

We meten AI-zichtbaarheid als een ladder van vijf treden: AI leest je site, citeert je pagina's, noemt je merk, beveelt je aan en beschrijft je correct. De meeste tools en de meeste marketingteams stoppen met tellen bij trede vier. Als AI je aanbeveelt, lijkt het werk gedaan.

1. 4
   Aanbevolen

   AI zet je op de eerste plaats of presenteert je als de beste match.

2. 5
   Correct beschreven

   Wat AI over je zegt, klopt: de juiste prijzen, producten, markten en sterke punten.

Maar een aanbeveling die op onjuiste feiten rust, kan meer kosten dan helemaal geen aanbeveling. De koper komt binnen met de verwachting van de oude prijs, de ontbrekende functie of het verkeerde leverland, en de verkoop strandt bij de laatste stap. Niets in je analytics laat zien waarom. Daarom behandelen we “correct beschreven” als een eigen trede, met een eigen meting.

Wat we zagen in onze eerste analyse

Elk antwoord dat een AI-model over een merk geeft, bevat kleine feitelijke uitspraken: “kost X per maand”, “is beschikbaar in Y”, “integreert met Z”. Wij noemen die claims. Claims met dezelfde formulering tellen één keer mee.

4,010AI-antwoorden

754antwoorden die het merk noemden

31,447geciteerde bronnen

4 AI-modellen

6 markten4 talen

31 dagenvan de antwoorden

Onderzoeksperiode7 aug 2026 – 19 sep 2026

We verzamelden 4,010 antwoorden van ChatGPT, Gemini, Perplexity en Google AI Overviews, op vragen van kopers in zes markten: avontuurlijke reizen, architectuurmarketing, e-commerce, CRM-software, online therapie en AI-tools. Samen citeerden die antwoorden 31,447 bronnen. AI noemde het betreffende merk in 754 van de 4,010 antwoorden (18.8%). Dat gemiddelde verbergt een grote spreiding: in twee markten noemde AI het merk in meer dan de helft van de antwoorden. In de andere vier noemde het het merk in ongeveer 2% tot 11% ervan. Claims kunnen alleen voortkomen uit antwoorden die het merk noemen, dus de claimanalyse gebruikt een deelverzameling daarvan:

De geanalyseerde antwoorden kwamen van ChatGPT, Gemini en Google AI Overviews, op vragen van kopers in vier van de zes markten: CRM-software, e-commerce, avontuurlijke reizen en architectuurmarketing. Gemiddeld bevatte één antwoord 3.8 claims over het merk (2,166 claimvermeldingen in 567 antwoorden). Afhankelijk van de markt deed AI tussen 48 en 985 unieke claims over het merk.

Een claimvermelding is één claim in één antwoord. Dezelfde claim kan in meerdere antwoorden voorkomen, dus er zijn meer vermeldingen (2,166) dan unieke claims (2,084). 13 claims komen in twee AI-modellen voor, daarom tellen de rijen per AI-model op tot 2,097 unieke claims in plaats van 2,084.

Maar weinig marketingteams kunnen opsommen wat AI allemaal over hen zegt. Bijna geen enkel team heeft het gecontroleerd.

Drie oordelen, niet twee

Om een claim te controleren, heb je iets nodig om hem aan te toetsen: je eigen feiten. Wat je verkoopt, aan wie, waar en tegen welke prijs. Elke claim wordt vervolgens met die feiten vergeleken en krijgt een van drie oordelen:

Het derde oordeel is belangrijk. Een eenvoudige waar/onwaar-controle dwingt elke claim in een van twee vakjes. In de praktijk wordt veel van wat AI over een merk zegt noch bevestigd noch weerlegd door iets wat het merk heeft opgeschreven.

Het grootste gat: wat je nooit hebt opgeschreven

Als een merk iets niet duidelijk vermeldt, zwijgt AI niet. Het vult het gat op met reviews, oude pagina's, vergelijkingsartikelen van concurrenten of de eigen training. De claim die in het voorbeeld “niet gedekt” is, kan zelfs waar zijn. Maar het merk heeft die niet gekozen en ziet haar niet tenzij het gaat kijken.

Dit verandert het werk. Corrigeren wat AI fout heeft is maar de helft ervan. De andere helft is de feiten vermelden waar AI steeds naar blijft gokken, in gewone taal, op pagina's die AI kan vinden.

Geprezen, maar onjuist

AI-modellen zijn meestal vriendelijk voor merken. In ons onderzoek: 68.8% van de 2,084 claims was positief, 27.5% neutraal en slechts 3.7% negatief. Dat lijkt goed nieuws in een sentimentrapport. Maar een positieve claim is geen juiste claim:

Sentiment vertelt je hoe AI over je denkt. Het vertelt je niet of AI gelijk heeft. Je hebt allebei nodig, en per claim, niet als één gemiddelde score.

Elk AI-model vertelt zijn eigen verhaal

Om AI-modellen eerlijk te vergelijken, hebben we de 2,084 claims op betekenis in 157 onderwerpen gegroepeerd, zoals de prijzen van een merk, het gebruiksgemak of het leveringsgebied. Daarna telden we welke AI-modellen elk onderwerp aanbrachten:

Ongeveer een derde van de onderwerpen kwam in alle drie de AI-modellen voor. Maar 41.4% kwam in slechts één model voor. Een koper die ChatGPT iets vraagt en een koper die Gemini iets vraagt, kunnen over verschillende kanten van hetzelfde merk horen.

De bronnen verschillen nog meer. De antwoorden achter de claims citeerden 952 verschillende websites. 83.8% van die websites werd door slechts één AI-model geciteerd, 11.8% door twee en slechts 4.4% (42 websites) door alle drie. Elk AI-model bouwt zijn beeld van je merk op uit een eigen set pagina's.

Een opmerking over deze cijfers. Een geautomatiseerde groeperingsstap deelt de claims in onderwerpen in, dus de grenzen tussen onderwerpen zijn niet exact. Twee AI-modellen die hetzelfde onderwerp aanbrengen, kunnen er nog steeds verschillende dingen over zeggen. En een website die maar door één AI-model wordt geciteerd, kan de andere modellen toch bekend zijn.

Dit is belangrijk voor de nauwkeurigheid, want het ene AI-model kan de huidige prijs noemen terwijl een ander de oude herhaalt. Als dat gebeurt, ligt de fout niet bij “AI in het algemeen”. Ze zit meestal in de specifieke pagina's waarop één AI-model vertrouwt, of in wat dat model tijdens de training heeft geleerd. Daardoor kun je haar herleiden: controleer elk AI-model apart en kijk naar de bronnen die de antwoorden citeren.

Live pagina of geheugen?

AI-antwoorden putten uit twee lagen: wat het AI-model nu op het web vindt (Realtime), en wat het model tijdens de training heeft geleerd (Geheugen). Waar een onjuiste claim vandaan komt, bepaalt hoe je hem corrigeert. Het antwoord achter de claim geeft de eerste aanwijzing: citeerde het bronnen of niet?

In ons onderzoek: 78% van de antwoorden achter de claims citeerde minstens één bron. Samen citeerden ze 6,504 bronnen: 3,785 verschillende pagina's op 952 verschillende websites. Het aandeel verschilde sterk per AI-model:

Voor de meeste claims is er een pagina die je kunt herleiden. Bij Gemini citeerde bijna de helft van de antwoorden niets, dus zijn claims zijn moeilijker tot een pagina te herleiden.

Een opmerking over deze verdeling. Een antwoord zonder geciteerde bronnen bewijst niet dat het AI-model geen webpagina's heeft gebruikt. AI-modellen verschillen ook in hoe ze bronnen tonen, en de ChatGPT-antwoorden in deze steekproef zijn verzameld met webzoeken ingeschakeld. Zie de twee gevallen als richtingen om te onderzoeken, niet als exacte oorzaken, en lees de tabel niet als een ranglijst van AI-modellen.

Wat je eraan kunt doen

Voor nauwkeurigheid gebruiken we dezelfde vier stappen als voor elk ander onderdeel van AI-zichtbaarheid:

1. 1
   Zien

   Schrijf je feiten op: producten, prijzen, markten, wie je bedient. Verzamel daarna wat AI echt over je beweert, over AI-modellen heen, uit echte antwoorden.

2. 2
   Begrijpen

   Deel elke claim in: onderbouwd, weersproken of niet gedekt. Controleer welk AI-model hem zegt en welke bronnen het antwoord gebruikte.

3. 3
   Handelen

   Los weersproken claims op bij de bron: eerst je eigen pagina's, daarna de externe pagina's die in de antwoorden worden geciteerd. Maak van veelvoorkomende claims die “niet gedekt” zijn duidelijke, vindbare feiten.

4. 4
   Meten

   Blijf controleren. Een aanpassing aan een live pagina kan snel zichtbaar zijn. Een gat in het geheugen sluit langzaam, via modelupdates.

Vosapio voert deze vier stappen voor je uit: het verzamelt de antwoorden, haalt de claims eruit, toetst ze aan de feiten die je invoert en bewaart de bronnen achter elk antwoord. Zie hoe Vosapio AI-zichtbaarheid volgt, of vergelijk de abonnementen voor merken en de abonnementen voor bureaus.

Voor bureaus

Voer dezelfde controle uit voor elke klant. Laat elke klant zien welke claims AI over hen maakt, welk AI-model ze zegt en welke bronnen erachter zitten. Zo begin je snel een klantgesprek met data in plaats van meningen en spreek je af welke pagina's je als eerste aanpakt.

Methode en beperkingen

• Volledige dataset. 4,010 antwoorden van ChatGPT, Gemini, Perplexity en Google AI Overviews op 297 gevolgde vragen van kopers in zes markten en vier talen (Engels, Duits, Frans en Roemeens), verzameld tussen 7 augustus en 19 september 2026 (op 31 dagen). De antwoorden citeerden 31,447 bronnen.
• De 19% is een gemiddelde, geen benchmark. Het bundelt zes markten van zeer verschillende omvang, en de grootste markt had een van de laagste percentages. Of een vermeldingspercentage hoog of laag is, hangt af van de markt, het merk en de gestelde vragen.
• Claimanalyse. 567 antwoorden van ChatGPT, Gemini en Google AI Overviews op 79 vragen, in vier van de zes markten en vier talen. De claims zijn tussen 24 september en 10 oktober 2026 automatisch geëxtraheerd. Alle cijfers over claims, sentiment en bronnen in dit artikel komen uit deze 567 antwoorden.
• Hoe de 567 antwoorden zijn geselecteerd. Alleen antwoorden die het merk noemen, kunnen claims erover bevatten: 754 van de 4,010 antwoorden deden dat. Voor elk merk neemt de analyse de nieuwste antwoorden die het noemen en nog niet zijn geanalyseerd, en stopt na 500 antwoorden of 500 claims per run. De 567 zijn de antwoorden die minstens één claim opleverden. Dit is geen aselecte steekproef: ze neigt naar de nieuwste antwoorden en naar de merken die AI het vaakst noemt.
• Kleine steekproef. Vier markten en drie AI-modellen in de claimanalyse. De cijfers beschrijven deze steekproef. Ze zijn geen schatting voor alle merken of alle AI-modellen.
• Groeperen. De claimtotalen beschouwen claims alleen als gelijk wanneer de formulering overeenkomt, dus ze zijn hoger dan een telling op betekenis zou zijn. Voor de vergelijking tussen AI-modellen heeft een geautomatiseerde stap bovendien alle 2,084 claims op betekenis gegroepeerd in 157 onderwerpen.
• Geautomatiseerde extractie. Een model haalt uit elk antwoord de claims en hun toon. Sommige claims worden daarbij gesplitst, samengevoegd of verkeerd gelabeld.
• Nog geen nauwkeurigheidspercentages. De merken hadden hun eigen feiten nog niet ingevoerd, dus geen enkele claim heeft een oordeel. We publiceren geen percentages juiste of onjuiste claims en we werken dit artikel bij zodra we ze hebben.
• De feiten komen van het merk. Een claim kan alleen worden getoetst aan wat een merk heeft vastgelegd. Een merk met weinig feiten krijgt vaker het oordeel “niet gedekt”.
• Geen merknamen. Onze cijfers zijn geaggregeerd. Geen enkel merk erachter wordt genoemd.